Harta Genomică a României: de ce avem nevoie de un „genom de referință”?

Înainte de a răspunde la întrebarea „ce este genomul”, mă gândesc că majoritatea cititorilor s-au familiarizat deja cu noțiuni primare de genetică, fie în școală, fie prin vizionarea de filme sau lecturarea diverselor articole din presă, și nu în ultimul rând prin ceea ce a însemnat pandemia SARS-CoV-2.

În ultima vreme, am observat o utilizare tot mai frecventă a structurii bicantenare a moleculei de ADN ca element cheie imagistic, utilizat în diverse comunicări, atât în contextul unor strategii de marketing pentru servicii medicale, cât și în prezentarea unor produse nutriționale sau cosmetice, și nu mă feresc să spun că, de multe ori, mi-a atras atenția gradul de exagerare al acestor strategii care utilizează afirmații nefondate în ceea ce privește capacitatea de prevenție  cât și alte pretinse beneficii.

Această suprapunere între știință și marketing ar necesita mai multe clarificări, dar poate într-un alt articol mă voi apleca și asupra acestui subiect, deoarece acum mi-am propus să mă concentrez asupra necesitații și importanței unei Harți Genomice a  României care să se bazeze pe un set de date genomice de referință.

Genomul este, simplu spus, manualul complet de instrucțiuni al fiecărei celule din corpul nostru. Acest manual este scris într-un alfabet format din doar patru „litere chimice”: A, T, C și G care, în combinații diferite, determină, alături de alți factori, tot ceea ce determină funcționarea complexă a organismului. În 2001, Consorțiul Internațional pentru secvențierea genomului uman (Human Genome Project) a anunțat publicarea primei versiuni a secvenței de referință a genomului uman, un moment considerat cu adevărat istoric, un punct de referință atât pentru biologie cât și pentru și medicină.

Generarea cu succes a unei secvențe de referință a genomului uman nu ar fi fost posibilă fără numeroasele descoperiri științifice care au precedat acest demers, de la înțelegerea structurii dublului helix a ADN-ului până la dezvoltarea metodelor prin care pot fi „citite” nucleotidele ce alcătuiesc ADN-ul, și anume metodele de secvențiere a bazelor azotate, denumite anterior „litere chimice”. Această realizare a deschis calea pentru o serie de proiecte de secvențiere prin care cercetătorii au început să cartografieze diferențele genetice dintre fiecare individ și genomul de referință.

Procesul de asamblare a unui genom  de referință a fost similar rezolvării unui puzzle foarte complex, în care fragmentele de ADN citite sunt reunite pe baza secvențelor identice pentru a obține o secvență liniară, un proces facilitat constant de algoritmi tot mai sofisticați, dar care, timp de aproape 20 de ani, a fost greu de realizat, din cauza limitărilor tehnologiilor de secvențiere, mai ales pentru regiunile cu secvențe repetitive de nucleotide din structura genomului. De la prima sa versiune, genomul uman de referință a trecut prin numeroase etape de rafinare, coordonate de Genome Reference Consortium, cu scopul de a oferi o imagine tot mai completă și mai exactă a genomului uman. Chiar și cu aceste progrese, cea mai folosită versiune a genomului de referință (GRCh38) avea încă goluri importante, precum segmente foarte mari de ADN nesecvențiate, care însumau aproximativ dimensiunea întregului cromozom 3.

In 2022, cercetătorii au reușit atingerea unei alte borne istorice, și anume obținerea primei secvențe continue complete a unui genom uman individual, cunoscută sub numele de T2T-CHM13 (Telomer-la-Telomer,) care acoperă lacunele majore rămase nerezolvate după Proiectul Genomului Uman. Acesta lucru a fost posibil datorită dezvoltării tehnologiilor de secvențiere a ADN-ului cu citiri lungi. Spre deosebire de metodele clasice de secvențiere, cu citiri scurte, care analizau fragmente de ADN foarte scurte de ordinul sutelor de nucleotide, tehnologiile cu citiri lungi pot secvenția fragmente mult mai mari de ordinul zecilor de mii pana la aproximativ 2 megabaze perechi de nucleotide, facilitând  astfel completarea golurilor dificil de secvențiat din genom.

INVESTIGAREA DIVERSITĂȚII GENOMICE LA NIVEL POPULAȚIONAL: O CONDIȚIE ESENȚIALĂ PENTRU CERCETARE ȘI MEDICINĂ

Studierea genomului uman are un rol crucial în înțelegerea variabilității genetice dintre indivizi, fiind esențială pentru dezvoltarea unor domenii de interes precum genetica populațiilor,  genomica comparativă și medicina personalizată.

Genomul de referință reprezintă un instrument esențial în aproape toate analizele genomice de la aplicații clinice până la studii de genetică a populațiilor. În practică,  de exemplu, sunt secvențiate, adică „citite”, anumite fragmente din genom, iar în loc să reconstruim întreg genomul fiecărui individ de la zero, aceste fragmente de ADN sunt aliniate pe baza de complementaritate la genomul de referință. Diferențele observate față de această secvență standard sunt apoi analizate ca variante genetice, unele dintre ele putând avea semnificație patologică.

Un genom de referință nu are rolul de a reflecta întreaga diversitate genetică umană, ci de a furniza o secvență standard, în care fiecare „literă chimică” a ADN-ului este reprezentată printr-o nucleotidă definită pentru fiecare poziție din genom. Prin compararea genomului unui individ cu această referință pot fi identificate și catalogate toate diferențele genetice specifice unei persoane.

De reținut, așa cum am menționat, că aceste diferențe sunt cunoscute sub numele de variante genomice, iar ansamblul acestora, la nivel individual, contribuie la unicitatea genetică a fiecărei persoane. Desigur, identitatea fenotipică a unui individ nu este limitată la ceea ce este înscris în genom, ci este influențată și de alți factori, precum alimentația, factorii de mediu, stilul de viață sau contextul social, care joacă, la rândul lor, un rol important.

Mai mult, majoritatea variantelor genomice nu au un rol funcțional, însă un număr redus dintre acestea pot avea un impact biologic sau clinic relevant. Ca o mențiune statistică esențială, genomul unei persoane este, în proporție de aproximativ 99,6%, identic cu genomul de referință sau chiar cu genomul altei persoane, diferențele reprezentând doar circa 0,4% din totalul secvenței genomice.

Tot ca o bornă importantă în studiul diversității genetice, a fost și 1000 Genomes Project care și-a propus pentru prima data sa genereze un număr mare de secvențe genomice umane complete utilizând tehnologiile de secvențiere de nouă generație și care a analizat în faza pilot genomurile a 504 indivizi proveniți din 26 de populații din întreaga lume, identificând peste 88 de milioane de variante genetice.

CARTOGRAFIERE GENOMICĂ: SETURI DE DATE GENOMICE DE REFERINȚĂ PENTRU POPULAȚIA ROMÂNIEI

DE CE AVEM NEVOIE DE UN „GENOM DE REFERINȚĂ NAȚIONAL”?

Înainte de a răspunde la această întrebare, este necesară o precizare importantă de terminologie. În sens strict științific, sintagma „genom de referință național” nu reprezintă formularea corectă, terminologia corecta fiind „seturi de date genomice de referință”, menite să cartografieze genomic populația unei țări, în acest caz populația României. Această distincție nu este una pur semantică, ci reflectă diferențe fundamentale de concept și de obiectiv.

Generarea propriu-zisă a unui genom de referință, în sens strict, ar presupune secvențierea de foarte înaltă calitate, realizată prin combinarea mai multor tehnologii complementare, urmată de obținerea unei secvențe continue, fără lacune. Un astfel de demers este extrem de complex, de durată și costisitor, așa cum a demonstrat recent consorțiul Telomere-to-Telomere, care a reușit obținerea primei secvențe complet continue a unui genom uman. Deși acest rezultat ar reprezinta un progres științific remarcabil, el nu constituie un model practic pentru generarea de seturi genomice de referință populaționale.

Din acest motiv, majoritatea țărilor care au investit strategic în genomică nu urmăresc construirea unui singur genom de referință național „perfect”, ci generarea unor seturi de date genomice populaționale, obținute prin secvențierea unui număr mare de indivizi. Aceste seturi de date au rolul de a surprinde diversitatea extinsă a variantelor genetice dintr-o populație și de a acoperi regiunile relevante ale genomului din punct de vedere medical și biologic.

Pentru simplitatea expunerii, în continuare voi utiliza termenul de „genom național de referință”, cu mențiunea că acesta se referă, în fapt, la astfel de seturi de date genomice de referință populaționale.

DE CE ARE NEVOIE ROMÂNIA DE UN ASEMENEA GENOM DE REFERINȚĂ?

Răspunsul este unul simplu: pentru că acesta reprezintă un instrument cheie nu doar pentru cercetare, ci și pentru medicină.  Ilustrarea Harții Genomice care arată distribuirea variantelor genetice la nivelul unei populații este esențială pentru interpretarea corectă a riscului genetic, pentru studiul bolilor rare, a bolilor complexe cat și pentru modele de predicție a răspunsului la tratament. Fără astfel de date, interpretarea datelor genomice rămâne incompletă și, uneori, inadecvată contextului biologic real al populației.

De ce secvențierea întregului genom a unui număr redus de persoane nu este suficientă? Pentru că informația genetică  prezintă o anumită variabilitate de la o populație la alta, iar aceste diferențe, deși adesea subtile, pot avea consecințe importante asupra riscului de boală, asupra manifestărilor clinice sau a răspunsului la tratament, secvențierea completă a unui număr redus de genomuri, chiar dacă este realizată la cea mai înaltă calitate, surprinde doar o fracțiune din variabilitatea genetică existentă într-o populație.

Care sunt costurile de secvențiere a unui întreg genom uman?

Scăderea semnificativă a costurilor de secvențiere din ultimii aproximativ 13 ani, până sub pragul simbolic de 1000 de dolari per genom, a facilitat utilizarea pe scară tot mai largă a secvențierii întregului genom uman (WGS), ca o abordare din ce în ce mai utilizată pentru identificarea variantelor genetice cauzale din regiunile non-codante ale genomului, în plus față de regiunile exomice  codante (parte a genomului care conține genele codificatoare de proteine).

Pentru a înțelege amploarea acestui progres, este suficient să amintesc că, în 2001, secvențierea genomului unei singure persoane costa aproximativ 95 de milioane de dolari, potrivit datelor Institutului Național pentru Cercetarea Genomului Uman din Statele Unite.

Numeroase studii publicate au arătat că multe variante genetice relevante din punct de vedere medical sunt rare, specifice anumitor populații sau chiar unor subgrupuri regionale, și nu pot fi identificate decât prin secvențierea unui număr mare de indivizi. Mai mult, interpretarea corectă a variantelor genetice, în special a celor rare sau cu efecte moderate, depinde de cât de frecvente sunt acestea într-o populație de referință. În absența acestor informații, există riscul ca variante neutre să fie considerate patogene sau, dimpotrivă, ca modificări genetice cu relevanță clinică reală să treacă neobservate.

Un genom de referință național nu înlocuiește bazele de date internaționale, ci le completează, asigurând că informația genomică este interpretată în mod corect, în contextul genomic real al populației. Obținerea unor seturi de date genomice de referință la nivel național reprezintă astfel o condiție esențială pentru dezvoltarea unei rețele de cercetare genomică medicală adaptată realităților demografice și genetice ale țării.

În acest sens, mai multe țări au pus deja în practică proiecte naționale de genomică și au publicat rapoarte care documentează rezultatele și impactul lor în sănătatea publică.   Astfel, s-a implementat secvențierea în practica clinică în Estonia, în Danemarca s-a creat o infrastructura  genomică națională, în Qatar s-au realizat proiecte genomice de cohortă extinsă, iar programe cu acoperire foarte mare s-au derulat în Islanda și în Marea Britanie. Aceste exemple arată clar că proiectele de cercetare și investiția în genomică la scară națională livrează rezultate cu aplicabilitate practică în zona medicală.

Pentru acest motiv, proiectul strategic ROGEN (https://rogen.umfcd.ro), coordonat de Universitatea de Medicină și Farmacie „Carol Davila” din București, reprezintă singura inițiativă de acest tip din România care își propune secvențierea întregului genom a 5.000 de români, în vederea construirii primei hărți a diversității genetice a populației noastre. Acest proiect constituie un punct de plecare esențial pentru alinierea României la inițiativele genomice deja dezvoltate în alte țări și pentru integrarea reală în peisajul internațional al genomicii moderne.

Privind spre viitor, aceste seturi de date genomice de referință nu trebuie înțelese ca un punct final, ci dimpotrivă, ca o bază de plecare pentru secvențierea a zeci de mii de genomuri, necesară unei abordări cu adevărat cuprinzătoare a diversității biologice a populației din România.

DE LA DATE GENOMICE LA PREVENȚIE: ROLUL SCORURILOR DE RISC POLIGENIC (PRS)

În ultimii ani, la nivel internațional, atenția se îndreaptă tot mai mult către conceptul de pangenom, care integrează variantele genomice din multiple populații și care depășește limitările unui singur genom de referință care nu reflectă diversitatea genetică umană la nivel global. Din acest motiv diferite consorții internaționale au inițiat proiecte de amploare, precum Human Pangenome Reference Consortium care utilizează tehnologii moderne de secvențiere cu citiri lungi pentru a construi seturi de genomuri provenite de la populații diverse. Un prim rezultat a fost publicat în 2023 sub forma unui pangenom constituit din 47 de indivizi din întreaga lume, și a oferit cea mai cuprinzătoare imagine de până acum a diversității genomice umane.

Pe măsură ce datele genomice populaționale au devenit disponibile, s-a desprins un alt beneficiu major al existenței seturilor de date genomice, și anume posibilitatea de dezvoltare a scorurilor de risc poligenic (Polygenic Risk Score – PRS), care sunt instrumente tot mai utilizate în cercetare medicala pentru a estima predispoziția genetică a unei persoane de a dezvolta boli complexe prin cumularea efectelor mai multor variante genetice. Deci, aceste scoruri capteaza efectul cumulativ al unui număr mare de variante genetice, fiecare având un impact individual mic, dar care împreună pot oferi informații relevante despre predispoziția unei persoane de a dezvolta anumite boli comune, precum afecțiunile cardiovasculare, neurologice, diabet sau diferite forme de cancer.

Aceste scoruri nu pun un diagnostic, dar pot ajuta la identificarea timpurie a persoanelor cu risc crescut de dezvolta anumite patologii și la orientarea strategiilor de prevenție. Calitatea unui PRS depinde însă direct de tipul datelor genomice pe care este construit. O diferență esențială există între scorurile calculate din date obținute prin secvențiere la acoperire redusă (low-pass WGS, <2x) și cele bazate pe secvențiere la acoperire mare (de tip 30x). Pe scurt, o acoperire mai mare înseamnă că fiecare poziție din genom este „citită”, adică secvențiată de mai multe ori, ceea ce permite o identificare mult mai precisă a variantelor genetice, inclusiv a celor rare sau structurale.

Abordările low-pass sunt mai accesibile și utile pentru analiza rapidă a cohortelor mari, dar se bazează în pe imputație matematică. Deși aceste strategii sunt utile pentru analize exploratorii sau pentru aplicații la scară foarte mare, ele se bazează în mod esențial pe date de referință existente și pot pierde informație relevantă, în special pentru variantele rare sau specifice unei populații. În lipsa unui set de date genomice de referință bine construit pentru populația locală, astfel de estimări riscă să fie mai puțin precise și mai puțin transferabile în practica medicală clinică.

În schimb, datele WGS cu acoperire mare oferă o referință mult mai robustă, reduc erorile și permit construirea unor scoruri de risc mai fiabile la nivel individual,  un aspect esențial pentru utilizarea clinică.

În acest context, proiectul strategic ROGEN se distinge prin faptul că va genera, în premieră pentru România, scoruri de risc poligenic bazate pe date WGS de înaltă calitate, obținute prin secvențierea a 5.000 de genomuri la acoperire mare. Acest demers creează premisele reale pentru integrarea genomicii în medicina preventivă și pentru adaptarea evaluării riscului genetic la specificul populației din România.

Prin urmare, dezvoltarea unor scoruri de risc poligenic cu adevărat utile pentru populația României presupune existența unor date genomice de înaltă calitate, generate prin secvențierea completă a genomului și integrate într-un cadru populațional coerent. Aceste date nu doar că îmbunătățesc acuratețea scorurilor, ci permit și evaluarea critică a limitelor lor, un pas esențial pentru utilizarea responsabilă a genomicii în medicină.

În concluzie, integrarea datelor genomice diverse, analizate în context populațional și corelate cu alte niveluri biologice, marchează tranziția de la cercetare la aplicații clinice reale, făcând posibilă o medicină de precizie mai echitabilă, mai predictivă și mai adaptată diversității biologice a populațiilor umane. În același timp, informația genomică este din ce în ce mai frecvent analizată în combinație cu alte tipuri de date biologice, transcriptomice, proteomice sau metabolomice,  oferind o imagine mult mai integrativă asupra mecanismelor moleculare care stau la baza stării de sănătate și apariție diverselor afecțiuni.